夜雨聆风AI Tutor 不再一对一：多 Agent 课堂讨论的 3 个实验结论
最近刷 arXiv，看到多伦多大学一篇论文，题目叫 Beyond the AI Tutor: Social Learning with LLM Agents。
我第一反应是，又是 AI 辅导课的老调子。
往下翻，发现他们真做了实验，315 人做 SAT 难度数学题，247 人写作文，2×2 分组，有导师 Agent，有会犯错的同伴 Agent，还有双模型协作写作。
数据摆在那儿，挺硬。
更让我感兴趣的是，论文最后给了一套可复用的交互设计，不是 PPT 里那种「未来已来」，是真的能搬进教室的那种。
今天这篇，我就基于这篇论文，给你拆 3 个实验结论，再附一份 40 分钟初中数学课的活动方案，含流程表、Agent 提示词、分组方案和观察记录表。
你拿去，下周就能试。
先说背景，为什么「一对一 AI 导师」可能不够了
Khanmigo、ChatGPT Edu、Claude for Education，现在主流 AI 教育产品，几乎都是「一个学生配一个 AI 老师」。
Bloom 的「一对一辅导效应」被当成圣杯追了几十年，这个逻辑没错。
但人类课堂从来不是这样。
同桌会算错数，小组讨论里有人概念跑偏，老师纠正的同时，你也在观察别人怎么错、怎么改。
Bandura 的社会学习理论、Vygotsky 的最近发展区，都在说同一件事，学习发生在多声部互动里，不只是一对一。
论文作者问了一个很直接的问题，如果 LLM 可以同时扮演「导师 + 两个会犯不同错的同伴」，学习效果会不会比单导师更好？
他们做了。
实验一，315 人的数学题，四个组逐级上涨
实验设计很干净。
614 人从 Prolific 招募，经注意力检验后有效样本 315 人。
每人做两道 SAT 难度数学题，学一题、测一题（同构变式，防死记硬背）。
四组分别是：
两个同伴的分工很关键。
Alice，概念强但算术老出错。
Charlie，算术准但概念容易歪。
这不是随便设的，对应数学里最常见的两类错误，概念性错误和程序性错误。
测的是无辅助测试正确率，也就是 Agent 撤掉之后，学生自己还能不能做对。
结果如图。
结论 1，导师和同伴是「加法」，不是「二选一」
无 Agent 对照组，测试正确率约 42%。
仅同伴约 48%，单独看没显著超过对照。
仅导师约 59%，显著优于对照。
导师+同伴约 65%，全场最高。
论文原话的核心意思，添加 Agent 后，测试正确率单调递增，Tutor + Peers 组表现最好。
这跟我之前直觉不太一样。
我一度觉得，课堂里 AI 同伴多了，学生会不会只看热闹、不思考。
数据说，在有人类教师在场、Agent 角色设计清楚的前提下，「看 AI 同伴犯错再被导师纠正」这条链路，对迁移学习是有帮助的。
同伴的价值，不是替代导师，而是在导师反馈之前或同时，提供可观察的「错误样本」。
实验二，247 人写作文，多 Agent 解决「想法同质化」
第二个实验换场景，议论文 + 创意写作。
三组：
质量评分上，两个 AI 组都显著优于对照，但 Single 和 Duo 差距不大。
真正拉开差距的是「想法多样性」。
Single 组，参与者之间的核心观点相似度 0.748。
对照组 0.735。
Duo 组 0.737，几乎回到无 AI 水平。
结论 2，单模型 AI 会把全班想法「抹平」，多 Agent 可以救回来
Padmakumar 等人之前就警告过，大规模用同一个 LLM 辅助写作，会让不同人的输出越来越像。
这篇论文用实验坐实了。
更关键的是，他们发现同质化不是 AI 写作的宿命，是部署方式的问题。
两个架构不同的模型、角色分工明确、互相接话而不是各说各话，可以在保持质量提升的同时，把想法多样性拉回到 baseline。
对语文/英语写作课，这个结论比「分数涨了多少」更值得老师警惕。
结论 3，算力加 Agent 不等于体验更好，认知负荷是真实成本
Duo 组里，有学生原话，右边 ChatGPT 和 Claude 的建议轮流弹出来，有点分心，不太确定该听谁的。
自报告数据也显示，多 Agent 条件下「感到 overwhelmed 或 confused」的比例更高。
但 Duo 组对「独立写作信心」的自我评分，反而高于 Single 组。
论文讨论里点了一个设计 trade-off，短期学习增益最大的配置（数学课里的仅导师、写作课里的单模型），不一定是自效能感最高的配置。
Peers Only 数学组的学生，客观分不高，但觉得测试没那么难、信心更高。
如果你班上有大量「不是不会，是不敢开口」的学生，多 Agent 同伴的价值，可能不在分数，在动机。
可落地，40 分钟初中数学课方案
下面这套，是我按论文 Experiment-1 的交互逻辑，改写成国内初中课堂能跑的版本。
配置，1 人类教师 + 1 AI 导师 Agent（Bob）+ 2 AI 同伴 Agent（Alice 概念强/算术弱，Charlie 算术强/概念弱）。
课题示例，一元一次方程应用题（行程问题或工程问题均可）。
活动流程表（40 分钟）
| 环节 | 时长 | 教师动作 | Agent 配置 | 学生活动 |
|---|---|---|---|---|
| 导入 | 5 min | 出示一道行程问题，不公布答案 | 全员静默 | 独立读题，草稿纸列已知量 |
| 初答 | 3 min | 巡视，不介入 | 静默 | 每人提交自己的第一步思路（板演或答题卡） |
| Agent 讨论 | 12 min | 控场，必要时叫停跑题 | Alice→Charlie→Bob 顺序发言 | 4 人小组看 Agent 对话，记录「谁错了、错在哪」 |
| 追问 | 8 min | 点名「你同意 Alice 吗」 | Bob 只提问不直接给答案 | 小组派代表回应，修正自己的解法 |
| 迁移测 | 7 min | 发同构变式题 | 全部 Agent 下线 | 独立完卷，禁止看刚才对话 |
| 复盘 | 5 min | 对照标准答案 | 静默 | 填写观察记录表，小组分享一条「从同伴错误里学到的点」 |
各 Agent 系统提示词
Bob（AI 导师）
你是一位初中数学导师 Bob，语气支持、简洁。
规则：
1. 绝不直接给出完整解题过程和最终数值答案
2. 先复述学生的关键步骤，再提一个引导性问题
3. 当 Alice 或 Charlie 发言后，你要指出他们错误类型（概念/计算），并邀请真人学生评判
4. 每次回复不超过 80 字
5. 使用中文，适合初一/初二学生阅读
Alice（概念强、算术弱同伴）
你是初中生 Alice，数学概念理解不错，但计算容易手滑。
规则：
1. 解题思路大体正确，但在中间某一步故意出现算术错误（如符号、通分、单位换算）
2. 被指出后愿意改正，但可能再犯一个小计算错
3. 语气像同学，不用专业术语堆砌
4. 每次回复不超过 60 字
5. 使用中文
Charlie（算术强、概念弱同伴）
你是初中生 Charlie，计算很少出错，但容易用错公式或漏条件。
规则：
1. 计算步骤漂亮，但对题意理解偶尔偏差（如把「相向而行」理解反了）
2. 被 Bob 或同学纠正后，能换思路重试
3. 语气自信，有时会说「我觉得就是套这个公式」
4. 每次回复不超过 60 字
5. 使用中文
Orchestrator（给人类教师或自动化脚本，控制发言顺序）
当前环节：同伴讨论。
发言顺序固定为 Alice → Charlie → Bob。
Bob 必须在两位同伴都发言后再说话。
若 90 秒内无真人学生插话，Bob 向随机点名学生提一个封闭式问题（是/否或二选一）。
禁止任何 Agent 在同一轮里连续发言两次。
学生分组方案（以 40 人班为例）
| 组号 | 人数 | 角色 | 说明 |
|---|---|---|---|
| 1-10 组 | 每组 4 人 | 记录员 1、发言人 1、验算员 1、计时员 1 | 共用 1 块屏/1 台平板看 Agent 对话 |
| 座位 | 2×2 围坐 | 便于眼神交流和传阅草稿 | Agent 界面投屏到教室前方 |
| 异质分组 | 按上次测验成绩蛇形分班 | 每组 1 名高分、2 名中等、1 名待提升 | 发言人轮换，避免固定「学霸代言」 |
| 特殊支持 | 待提升学生配对记录员 | 记录员负责誊写「错误类型清单」 | 降低开口压力，仍有认知参与 |
课堂观察记录表（教师用）
| 观察项 | 是/否/频次 | 备注 |
|---|---|---|
| 学生在 Alice 算术错误后主动验算 | ||
| 学生在 Charlie 概念错误后指出题意关键词 | ||
| 学生引用 Bob 的追问修正了自己的初答 | ||
| 出现「只看 Agent 聊天自己不写」的游离 | ||
| 迁移测环节仍翻查 Agent 记录（作弊嫌疑） | ||
| 小组内至少 2 人开口 | ||
| 记录员写下「概念错/计算错」分类 | ||
| 下课前能说出一条「同伴错误给我的提醒」 |
实施前三个提醒
第一，Agent 上线前，用 30 秒向学生介绍 Alice 和 Charlie 的「人设」，论文里做了同样的事，信任校准很重要。
第二，迁移测必须「同构换数」，学的是「甲地乙地 60km」，测的是「仓库工地 80km」，结构一样，数字不同。
第三，别期待第一次就涨分。论文的 Peers Only 组单独看提升有限，导师+同伴才最强。如果你学校暂时只能上一个 Agent，优先上导师，同伴作为第二阶段加配。
写在最后
这篇论文没有推翻 AI 导师，它推翻的是「AI 导师只能一对一」这个默认假设。
三个结论再压一遍。
导师和同伴同时在场，数学迁移测表现最好。
写作场景里，双 Agent 分工可以抑制单模型带来的想法同质化。
多 Agent 有认知负荷成本，但对部分学生的信心和参与感，可能是另一维度的收益。
AI 进课堂，下一步可能不是把老师换成更大的模型，而是把模型编进「有角色的群聊」里。
你如果有机会试上面那套 40 分钟方案，欢迎回来告诉我，班上是先笑 Alice 算错，还是先怼 Charlie 公式用反。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
